纽约和多伦多——在《IEEE生物医学与健康信息学杂志》中发布的一项新研究揭示了Klick Labs的科学家如何利用智能手机录音创建声频的视觉图谱（声谱图），以识别与2型糖尿病相关的复杂新模式，研究仅使用随机选择的短句英语句子的录音和参与者性别作为研究标准。科学家分析了461名成年人的14,759个声音录音，这些录音被转换为视觉声谱图，然后通过音频声谱图变换器进行分析。该过程使模型能够直接从录音中学习复杂的声学模式组合，而不主要依赖于提前选定的声音特征。仅使用声音，按照性别分层的模型在女性中的平衡准确率为71.3%，男性为72.4%，接收操作特征曲线下面积（AUC）值分别为0.788（78.8%）和0.779（77.9%）。获取最新头条、突发新闻和专栏。通过注册您同意接收Postmedia Network Inc.的通讯，一封欢迎邮件正在发送。如果您没有看到，请检查您的垃圾邮件文件夹。下一期的热门故事将很快进入您的收件箱。我们在注册您时遇到问题。请再试一次。“现在，我们可以从声带生物标志物中看到更多与糖尿病相关的线索，”Klick应用科学公司的数字健康研发高级副总裁及该研究首席研究员Yan Fossat说。“通过捕捉频率与时间之间的关系，我们将分析范围扩展到超出抖动、颤动和其他预定义的声音特征，并发现了复杂的声学模式和特征组合，之前没有人注意到。我们对这些发现感到振奋，因为我们继续探索声带生物标志物与2型糖尿病之间的关系。”该研究基于Klick Labs在《梅奥诊所学报：数字健康》中发表的2023年“从声音到糖尿病”研究，该研究分析了固定的一句手机声音录音，以及参与者的年龄、体重指数（BMI）和其他基本健康信息。该研究识别了与2型糖尿病相关的14种预定义声学特征，包括音调、强度、颤动和抖动。